圖像降噪的煤巖識別應用

龔國強 谷 鑫

（中國礦業大學（北京），北京100083）

目前我國的主體能源依然是煤炭，為促進這一行業向更加安全和高效的方向轉變，煤巖界面的自動識別是成為了實現煤礦井下智能化開采的關鍵技術之一[1]。煤巖界面自動識別技術可以分為物理技術和機器視覺技術兩大類。傳統的物理方法有γ 射線法、紅外熱像技術等。以上這些方法容易受到采煤環境和工藝等的影響，因而在生產中難以推廣[2-3]。在運用機器視覺技術對煤巖進行識別的過程中，由于是在礦井下采集圖像，故圖像的質量易受工作環境的影響，大大增加了對圖像信息翻譯的難度，因此需要對圖像進行處理[4]。

1 基本原理

1.1 噪聲均值濾波

這種方法的基本思想是用幾個領域像素灰度的平均值來代替每個像素的灰度值，其鄰域的選取通常以單位距離 Δx構成的4 鄰域和以個單位距離為半徑r 構成的8 鄰域。該方法的主要計算原理為：

假設該噪聲的模型為：

則經過鄰域平滑得到的圖像為：

式子中，S 為 (i,j)點的鄰域，M為鄰域中的總點數。根據統計分析，第二項中，噪聲的方差為：

1.2 峰值信噪比（PSNR)

峰值信噪比是根據采集到的原始清晰圖像與受干擾圖像中的噪聲量來評價圖像質量的一個重要的指標，其單位用分貝表示，計算公式如下：

2 實驗設置

2.1 樣本集與測試環境

從北京京煤集團木城澗煤礦采集無煙煤、1/3 焦煤、頁巖和砂巖作為煤巖樣本圖像各5 幅，如圖1 所示。圖像的格式為png。本文所有的實驗數據均是在MATLAB2018a 上測試得到。

圖1 煤巖樣本圖像(a)無煙煤；(b)1/3 焦煤；(c)頁巖；(d)砂巖

2.2 圖像處理及評價

首先將上述采集到的無煙煤、1/3 焦煤、頁巖和砂巖圖像添加不同密度的椒鹽噪聲來模擬粉塵污染，然后用噪聲均值濾波對上述四種噪聲圖像共計20 張進行降噪處理，最后用4 張圖的平均PSNR 對其進行評價。處理結果如表1 所示。

表1

3 結論

受到干擾的圖像會給圖像的增強、復原、重建、識別等后續工作帶來了嚴重的影響，需要對圖像進行處理降噪處理，噪聲均值濾波算法對受模擬粉塵干擾的煤巖圖像有較好的降噪作用。